随笔分类 - 深度学习-yolo目标检测
摘要：
本文介绍了一套基于YOLO算法的猪只识别系统，该系统能够精准识别猪只位置并判断其姿态（坐姿/站姿）。系统采用Python3.10开发，前端界面为PyQt5，支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与导出等功能。通过对比测试YOLOv5/v8/v11/v12模型，发现YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统已实现99.5%的高准确率，可满足养殖场智能巡检和科研分析需求。源码获取详见视频链接。
阅读全文
本文介绍了一套基于YOLO算法的猪只识别系统，该系统能够精准识别猪只位置并判断其姿态（坐姿/站姿）。系统采用Python3.10开发，前端界面为PyQt5，支持图片、视频及实时摄像头检测，具备多模型切换、结果保存与导出等功能。通过对比测试YOLOv5/v8/v11/v12模型，发现YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统已实现99.5%的高准确率，可满足养殖场智能巡检和科研分析需求。源码获取详见视频链接。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。该系统支持多版本YOLO模型切换（v5/v8/v11/v12），提供图片/视频/摄像头等多种检测方式，并具有检测结果保存、历史记录查询等功能。系统采用Python+Django+Bootstrap技术栈，包含用户和管理员双权限体系。模型对比显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。训练结果表明系统在钢材缺陷检测任务中表现良好（mAP@0.5达77%）。该项目为钢材质量检测提供了高效实用的解决方案。
阅读全文
本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。该系统支持多版本YOLO模型切换（v5/v8/v11/v12），提供图片/视频/摄像头等多种检测方式，并具有检测结果保存、历史记录查询等功能。系统采用Python+Django+Bootstrap技术栈，包含用户和管理员双权限体系。模型对比显示YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。训练结果表明系统在钢材缺陷检测任务中表现良好（mAP@0.5达77%）。该项目为钢材质量检测提供了高效实用的解决方案。
阅读全文
摘要：
本文介绍了基于YOLO算法的水表读数识别系统，该系统可解决人工抄表效率低下的问题。系统支持多模态检测、模型切换、结果保存等功能，采用YOLOv5/v8/v11/v12等多种模型进行训练。技术栈包括Python 3.10、PyQt5、SQLite等。通过模型对比测试显示，YOLO12n精度最高（mAP 40.6%），YOLO11n速度最快（56.1ms）。训练结果mAP@0.5达到92.2%，F1值0.87，识别效果优异。系统源码可通过指定链接获取。
阅读全文
本文介绍了基于YOLO算法的水表读数识别系统，该系统可解决人工抄表效率低下的问题。系统支持多模态检测、模型切换、结果保存等功能，采用YOLOv5/v8/v11/v12等多种模型进行训练。技术栈包括Python 3.10、PyQt5、SQLite等。通过模型对比测试显示，YOLO12n精度最高（mAP 40.6%），YOLO11n速度最快（56.1ms）。训练结果mAP@0.5达到92.2%，F1值0.87，识别效果优异。系统源码可通过指定链接获取。
阅读全文
摘要：
本文介绍了一款基于YOLO算法的安全帽检测系统。系统具备多模态检测、多模型切换、识别历史管理等功能，支持图片/视频/摄像头实时检测，并提供管理员和用户双端权限管理。技术栈采用Python3.10+Django+Bootstrap，集成YOLOv5/v8/v11/v12多个版本模型。实验表明，YOLO12n模型在精度上表现最优(mAP40.6%)，YOLO11n在速度上最具优势(CPU推理56.1ms)。系统提供完整源码获取方式，适用于工地、厂区等安全生产场景的智能化升级需求。
阅读全文
本文介绍了一款基于YOLO算法的安全帽检测系统。系统具备多模态检测、多模型切换、识别历史管理等功能，支持图片/视频/摄像头实时检测，并提供管理员和用户双端权限管理。技术栈采用Python3.10+Django+Bootstrap，集成YOLOv5/v8/v11/v12多个版本模型。实验表明，YOLO12n模型在精度上表现最优(mAP40.6%)，YOLO11n在速度上最具优势(CPU推理56.1ms)。系统提供完整源码获取方式，适用于工地、厂区等安全生产场景的智能化升级需求。
阅读全文
摘要：
在智慧交通、停车场管理、道路执法以及安防监控等场景中，快速、准确地获取车辆号牌信息是实现自动化管理的关键。然而在现状中，很多实际应用仍依赖人工抄录或传统的OCR方案，这些方法在面对复杂光照、倾斜拍摄、运动模糊、特殊车牌（如新能源绿牌、黄牌）时，识别率往往不稳定，而且难以做到实时批量处理。随着城市交通流量激增与无人化管理的推进，市场迫切需要一种兼具检测速度与字符识别精度、可适配多种车牌样式并支持多载体输入的智能识别方案。
针对这一现状，我们团队研发了这套成品级车牌识别系统。系统采用 YOLO 算法定位车牌位置，并结合轻量化端到端的 LPRNet 完成字符识别，实现了从图片、视频、文件夹批量图片到实时摄像头视频流的全方位检测与识别。界面上支持模型切换（YOLO V5 / V8 / V11 / V12）、置信度与IOU调节、语音播报、检测结果可视化与导出，并配套登录管理、脚本批处理以及二次训练能力，能够满足工业落地与科研实验的多场景需求。
阅读全文
在智慧交通、停车场管理、道路执法以及安防监控等场景中，快速、准确地获取车辆号牌信息是实现自动化管理的关键。然而在现状中，很多实际应用仍依赖人工抄录或传统的OCR方案，这些方法在面对复杂光照、倾斜拍摄、运动模糊、特殊车牌（如新能源绿牌、黄牌）时，识别率往往不稳定，而且难以做到实时批量处理。随着城市交通流量激增与无人化管理的推进，市场迫切需要一种兼具检测速度与字符识别精度、可适配多种车牌样式并支持多载体输入的智能识别方案。
针对这一现状，我们团队研发了这套成品级车牌识别系统。系统采用 YOLO 算法定位车牌位置，并结合轻量化端到端的 LPRNet 完成字符识别，实现了从图片、视频、文件夹批量图片到实时摄像头视频流的全方位检测与识别。界面上支持模型切换（YOLO V5 / V8 / V11 / V12）、置信度与IOU调节、语音播报、检测结果可视化与导出，并配套登录管理、脚本批处理以及二次训练能力，能够满足工业落地与科研实验的多场景需求。
阅读全文
摘要：
本文介绍了一款基于YOLO算法的遥感地面物体检测系统。系统集成YOLOv5/v8/v11/v12多版本模型，支持图片/视频/摄像头实时检测，具备置信度调节、目标类别过滤、数据导出等功能。演示内容包括用户界面、多模态检测、模型切换等模块，并详细对比了各YOLO模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用Python+Django技术栈，提供完整的模型训练代码和数据集分析，适合遥感影像分析的智能化升级需求。
阅读全文
本文介绍了一款基于YOLO算法的遥感地面物体检测系统。系统集成YOLOv5/v8/v11/v12多版本模型，支持图片/视频/摄像头实时检测，具备置信度调节、目标类别过滤、数据导出等功能。演示内容包括用户界面、多模态检测、模型切换等模块，并详细对比了各YOLO模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统采用Python+Django技术栈，提供完整的模型训练代码和数据集分析，适合遥感影像分析的智能化升级需求。
阅读全文
摘要：
《基于YOLO算法的仪表指针检测系统》是一套面向工业自动化的智能检测方案。系统支持图片、视频和实时摄像头检测，具备用户登录、模型切换、结果保存等功能，采用YOLOv5/v8/v11/v12多模型架构。经测试，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统包含8700+张训练数据，实现82%的检测准确率，可自动计算仪表读数并输出结果，有效解决传统人工巡检效率低、误差大的问题。完整源码已开源，适用于智能制造与设备运维场景。
阅读全文
《基于YOLO算法的仪表指针检测系统》是一套面向工业自动化的智能检测方案。系统支持图片、视频和实时摄像头检测，具备用户登录、模型切换、结果保存等功能，采用YOLOv5/v8/v11/v12多模型架构。经测试，YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统包含8700+张训练数据，实现82%的检测准确率，可自动计算仪表读数并输出结果，有效解决传统人工巡检效率低、误差大的问题。完整源码已开源，适用于智能制造与设备运维场景。
阅读全文
摘要：
摘要：本文介绍了一套基于YOLO算法的电缆损害智能检测系统，主要用于识别电缆断裂和雷击损伤。系统包含用户登录、多模态检测、结果保存、模型切换等功能模块，采用YOLOv5/v8/v11/v12等多种模型进行训练对比。技术分析显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统支持图片、视频及实时检测，准确率达90.7%，为电力巡检提供了智能化解决方案。
阅读全文
摘要：本文介绍了一套基于YOLO算法的电缆损害智能检测系统，主要用于识别电缆断裂和雷击损伤。系统包含用户登录、多模态检测、结果保存、模型切换等功能模块，采用YOLOv5/v8/v11/v12等多种模型进行训练对比。技术分析显示YOLO12n模型精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统支持图片、视频及实时检测，准确率达90.7%，为电力巡检提供了智能化解决方案。
阅读全文
摘要：
本文介绍了一款基于YOLO算法的PCB板缺陷检测系统，该系统针对电子制造业需求开发，支持多版本YOLO模型加载、多种检测模式及数据管理功能。系统采用Python+Django技术栈，内置YOLOv5/v8/v11/v12模型对比分析，其中YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。项目提供完整的训练脚本和3700+样本数据集，最终模型mAP@0.5达到99.1%，F1值1.0，实现了高效的PCB缺陷检测解决方案。
阅读全文
本文介绍了一款基于YOLO算法的PCB板缺陷检测系统，该系统针对电子制造业需求开发，支持多版本YOLO模型加载、多种检测模式及数据管理功能。系统采用Python+Django技术栈，内置YOLOv5/v8/v11/v12模型对比分析，其中YOLO12n模型精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。项目提供完整的训练脚本和3700+样本数据集，最终模型mAP@0.5达到99.1%，F1值1.0，实现了高效的PCB缺陷检测解决方案。
阅读全文
摘要：
《基于YOLO算法的野生动物检测系统》是一套针对野外环境的实时检测解决方案。系统采用YOLO系列算法，可精准识别郊狼、鹿等5种动物，支持图片、视频及摄像头实时检测。技术栈包含Python与PyQt5，具备用户管理、多模型切换、结果保存等功能。经测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统提供完整的训练代码与数据集配置，实现了96.4%的高准确率。源码获取方式详见视频链接。
阅读全文
《基于YOLO算法的野生动物检测系统》是一套针对野外环境的实时检测解决方案。系统采用YOLO系列算法，可精准识别郊狼、鹿等5种动物，支持图片、视频及摄像头实时检测。技术栈包含Python与PyQt5，具备用户管理、多模型切换、结果保存等功能。经测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统提供完整的训练代码与数据集配置，实现了96.4%的高准确率。源码获取方式详见视频链接。
阅读全文
摘要：
本项目开发了一个基于YOLO算法的学生上课行为检测系统，采用Bootstrap前端和Django后端构建Web应用。系统支持多模态检测（图片/视频/实时流）、多模型切换（YOLOv5/v8/v11/v12）、检测结果保存及历史记录管理等功能。通过对比测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统包含完整的训练脚本，可自动处理数据集路径并批量训练模型。该项目为教育场景提供了高效、可定制的行为检测解决方案，相关源码已公开分享。
阅读全文
本项目开发了一个基于YOLO算法的学生上课行为检测系统，采用Bootstrap前端和Django后端构建Web应用。系统支持多模态检测（图片/视频/实时流）、多模型切换（YOLOv5/v8/v11/v12）、检测结果保存及历史记录管理等功能。通过对比测试，YOLO12n模型表现最优（mAP40.6%），YOLO11n速度最快（56.1ms）。系统包含完整的训练脚本，可自动处理数据集路径并批量训练模型。该项目为教育场景提供了高效、可定制的行为检测解决方案，相关源码已公开分享。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的扑克牌号码检测系统，该系统集成了用户登录、多模态检测、模型切换等功能模块。系统支持YOLOv5/YOLOv8/YOLOv11/YOLOv12等多种模型，通过对比测试显示YOLO12n在精度上最优（mAP40.6%），YOLO11n在速度上表现最佳（56.1ms）。训练数据包含52类扑克牌共22000+张图片，最终模型在mAP@0.5指标上达到99.5%的高准确率。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，提供完整的工业级检测解决方案。
阅读全文
本文介绍了一个基于YOLO算法的扑克牌号码检测系统，该系统集成了用户登录、多模态检测、模型切换等功能模块。系统支持YOLOv5/YOLOv8/YOLOv11/YOLOv12等多种模型，通过对比测试显示YOLO12n在精度上最优（mAP40.6%），YOLO11n在速度上表现最佳（56.1ms）。训练数据包含52类扑克牌共22000+张图片，最终模型在mAP@0.5指标上达到99.5%的高准确率。系统采用Python3.10开发，前端使用PyQt5，数据库为SQLite，提供完整的工业级检测解决方案。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的玉米虫害检测系统。该系统支持图片、视频及实时摄像头检测，可识别黏虫、亚洲玉米螟和棉铃虫三类主要虫害。系统采用PyQt5开发界面，包含用户登录、模型切换、结果保存等功能模块。通过对比YOLOv5/v8/v11/v12等模型，YOLO12n在mAP指标上表现最优（40.6%），而YOLO11n在速度上最快（56.1ms）。该系统已在3500+张图片的数据集上完成训练，mAP@0.5达到83.9%，F1值为0.80，具备较高的检测精度。
阅读全文
本文介绍了一个基于YOLO算法的玉米虫害检测系统。该系统支持图片、视频及实时摄像头检测，可识别黏虫、亚洲玉米螟和棉铃虫三类主要虫害。系统采用PyQt5开发界面，包含用户登录、模型切换、结果保存等功能模块。通过对比YOLOv5/v8/v11/v12等模型，YOLO12n在mAP指标上表现最优（40.6%），而YOLO11n在速度上最快（56.1ms）。该系统已在3500+张图片的数据集上完成训练，mAP@0.5达到83.9%，F1值为0.80，具备较高的检测精度。
阅读全文
摘要：
本文介绍了基于YOLO算法的花朵识别系统，该系统可识别103种常见花卉。系统采用三栏布局界面，支持图片、视频及实时摄像头检测，并提供模型切换、结果保存等完整功能。技术栈包括Python3.10、PyQt5、SQLite和多种YOLO模型。通过对比测试，YOLO12n在精度上表现最佳(mAP40.6%)，YOLO11n在速度上最优(56.1ms)。系统配套5400+张训练图像，综合mAP@0.5达到92.3%，F1值0.89，展现了优异的识别性能。
阅读全文
本文介绍了基于YOLO算法的花朵识别系统，该系统可识别103种常见花卉。系统采用三栏布局界面，支持图片、视频及实时摄像头检测，并提供模型切换、结果保存等完整功能。技术栈包括Python3.10、PyQt5、SQLite和多种YOLO模型。通过对比测试，YOLO12n在精度上表现最佳(mAP40.6%)，YOLO11n在速度上最优(56.1ms)。系统配套5400+张训练图像，综合mAP@0.5达到92.3%，F1值0.89，展现了优异的识别性能。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的狗品种检测系统。该系统利用深度学习技术，可识别120种犬类品种，支持图片、视频及实时摄像头检测，具有结果标注、语音播报和数据导出功能。技术栈采用Python3.10+PyQt5+SQLite，对比了YOLOv5/v8/v11/v12四种模型，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统界面包含登录注册、多模态检测、模型切换等功能模块，训练数据达20000+张图片，最终mAP@0.5达到84.6%，综合F1值0.79。
阅读全文
本文介绍了一个基于YOLO算法的狗品种检测系统。该系统利用深度学习技术，可识别120种犬类品种，支持图片、视频及实时摄像头检测，具有结果标注、语音播报和数据导出功能。技术栈采用Python3.10+PyQt5+SQLite，对比了YOLOv5/v8/v11/v12四种模型，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统界面包含登录注册、多模态检测、模型切换等功能模块，训练数据达20000+张图片，最终mAP@0.5达到84.6%，综合F1值0.79。
阅读全文
摘要：
本文介绍了基于YOLO系列算法的跌倒检测系统。该系统支持图片、视频及实时摄像头流的跌倒行为识别，具有用户登录、模型切换、结果保存等功能。通过对比YOLOv5/v8/v11/v12模型，YOLO12n在精度(mAP40.6%)和效率上表现最优。系统采用Python+PyQt5开发，训练数据显示mAP@0.5达89.7%，F1值0.85，能有效应用于养老护理、安防监控等场景。源码可通过视频链接获取。
阅读全文
本文介绍了基于YOLO系列算法的跌倒检测系统。该系统支持图片、视频及实时摄像头流的跌倒行为识别，具有用户登录、模型切换、结果保存等功能。通过对比YOLOv5/v8/v11/v12模型，YOLO12n在精度(mAP40.6%)和效率上表现最优。系统采用Python+PyQt5开发，训练数据显示mAP@0.5达89.7%，F1值0.85，能有效应用于养老护理、安防监控等场景。源码可通过视频链接获取。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的智能停车位检测系统。系统支持用户登录、注册及个人信息管理，提供图片、视频和实时摄像头三种检测模式，可保存检测结果并支持多模型切换。通过对比YOLOv5/v8/v11/v12模型性能，YOLO12n在mAP指标上表现最优(40.6%)，YOLO11n在推理速度上最快(56.1ms)。系统使用Python3.10开发，前端采用PyQt5，数据库为SQLite。实验数据显示，该系统在测试集上达到99.5%的mAP@0.5准确率，F1值达0.99，能有效识别车位占用状态。
阅读全文
本文介绍了一个基于YOLO算法的智能停车位检测系统。系统支持用户登录、注册及个人信息管理，提供图片、视频和实时摄像头三种检测模式，可保存检测结果并支持多模型切换。通过对比YOLOv5/v8/v11/v12模型性能，YOLO12n在mAP指标上表现最优(40.6%)，YOLO11n在推理速度上最快(56.1ms)。系统使用Python3.10开发，前端采用PyQt5，数据库为SQLite。实验数据显示，该系统在测试集上达到99.5%的mAP@0.5准确率，F1值达0.99，能有效识别车位占用状态。
阅读全文
摘要：
本项目开发了一套基于YOLO算法的输电电力设备智能检测系统，支持图片、视频及实时摄像头的多模态检测。系统采用PyQt5构建交互界面，集成YOLOv5/v8/v11/v12等多种模型，实现了用户管理、模型切换、结果可视化及数据导出等功能。测试表明，YOLO12n模型在11000张图片的数据集上达到88.7%的mAP@0.5准确率。系统配套完整的模型训练脚本，支持从数据准备到部署应用的全流程，为电力巡检提供了高效的自动化解决方案。
阅读全文
本项目开发了一套基于YOLO算法的输电电力设备智能检测系统，支持图片、视频及实时摄像头的多模态检测。系统采用PyQt5构建交互界面，集成YOLOv5/v8/v11/v12等多种模型，实现了用户管理、模型切换、结果可视化及数据导出等功能。测试表明，YOLO12n模型在11000张图片的数据集上达到88.7%的mAP@0.5准确率。系统配套完整的模型训练脚本，支持从数据准备到部署应用的全流程，为电力巡检提供了高效的自动化解决方案。
阅读全文
摘要：
本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。系统支持图片、视频、摄像头实时检测等多种模态，能识别6类典型缺陷（龟裂、夹杂物等），并提供可视化标注、数据统计与导出功能。技术栈采用Python3.10+PyQt5+SQLite，对比测试了YOLOv5/8/11/12模型，其中YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统具备用户管理、多模型切换等功能，训练代码支持自动路径修正和批量训练，适合工业质检场景部署应用。
阅读全文
本文介绍了一个基于YOLO算法的钢材表面缺陷检测系统。系统支持图片、视频、摄像头实时检测等多种模态，能识别6类典型缺陷（龟裂、夹杂物等），并提供可视化标注、数据统计与导出功能。技术栈采用Python3.10+PyQt5+SQLite，对比测试了YOLOv5/8/11/12模型，其中YOLO12n精度最高（mAP40.6%），YOLO11n速度最优（56.1ms）。系统具备用户管理、多模型切换等功能，训练代码支持自动路径修正和批量训练，适合工业质检场景部署应用。
阅读全文
摘要：
本文介绍了基于YOLO算法的白细胞检测系统，该系统可自动识别五种白细胞类型。系统功能包括用户登录、注册、多模态检测（图片/视频/实时摄像头）、结果保存及多模型切换。技术栈采用Python3.10、PyQt5、SQLite，支持YOLOv5/v8/v11/v12模型。通过对比测试，YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统在2400张图片的数据集上训练后，F1值达0.99，mAP@0.5达98.7%，展现了优异的检测性能。
阅读全文
本文介绍了基于YOLO算法的白细胞检测系统，该系统可自动识别五种白细胞类型。系统功能包括用户登录、注册、多模态检测（图片/视频/实时摄像头）、结果保存及多模型切换。技术栈采用Python3.10、PyQt5、SQLite，支持YOLOv5/v8/v11/v12模型。通过对比测试，YOLO12n精度最高(mAP40.6%)，YOLO11n速度最优(56.1ms)。系统在2400张图片的数据集上训练后，F1值达0.99，mAP@0.5达98.7%，展现了优异的检测性能。
阅读全文
浙公网安备 33010602011771号